Нейронные сети и нейроконтроллеры. Бураков М.В. - 81 стр.

UptoLike

Составители:

Рубрика:

net.trainParam.goal = 0.001;

>> net1 = train(net, P, T);

Выполним проверку (рис. 3.11):

>> A=sim(net1,P)

>> figure(1); mesh(x,y,A)

Сравнение рис. 3.10 и 3.11 позволяет говорить о достаточно вы-

соком качестве аппроксимации.

Пример 3.8. Аппроксимация функции трех переменных.

Пусть имеется модель, с помощью которой можно генерировать

вход-выходные зависимости системы

y = 3a + 4ab + 2c + f,

где a, b, c – входные переменные; f – сигнал шума. Опишем эти ве-

личины как массивы случайных чисел:

>> a = rand(1,100);

>> b = rand(1,100);

>> c = rand(1,100);

>> f = rand(1,100)*0.025;

>> y = 3*a + 4*a.*b + 2*c + f;

Обучающее множество задается в виде

>> P = [a; b; c];

>> T = y;

Рис. 3.11. Выход нейронной сети после обучения

-2

-1

-2

-1

-0.5

0.5